[发明专利]一种基于YOLOX算法的违章停车检测方法及系统

说明书

本发明涉及一种基于YOLOX算法的违章停车检测方法及系统，涉及目标检测领域，该方法包括：对数据预处理后的停车监控图像数据集中停车监控图像进行数据增强；构建基于YOLOX算法的违章停车检测网络，检测网络包括改进后的Res2Net50网络、FPN网络和改进后的Prediction层，改进后的Res2Net50网络采用ALReLU激活函数，改进后的Prediction层的激活函数采用SAU激活函数；采用数据增强后的停车监控图像数据集训练违章停车检测网络，获得违章停车检测模型；采用违章停车检测模型对待检测停车监控图像进行违章检测。本发明提高了违章停车检测的准确性和效率。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种基于YOLOX算法的违章停车检测方法及系统。

背景技术

2021年中国汽车保有量已经到了3.93亿辆，而且随着中国经济的继续腾飞，人们生活水平的不断改善。中国汽车增加量还在不断的递增。以前在大城市中出现的交通拥堵现象已经普及到了各个乡镇和中小城市的主干道路上。交通拥堵以及交通事故的很大一部分原因就是违章停车。汽车乱停乱放现象已经深深影响到了人们的日常出行。针对这一问题，通常情况下就是交警通过人工发现来贴条处罚乱停车现象。但是，毕竟交警的数量有限，经历有限。很容易造成顾此失彼的情况。这已经无法满足人们对汽车乱停乱放现象整治的需要。

发明内容

本发明的目的是提供一种基于YOLOX算法的违章停车检测方法及系统，提高了违章停车检测的准确性和效率。

为实现上述目的，本发明提供了如下方案：

一种基于YOLOX算法的违章停车检测方法，包括：

获取停车监控图像数据集；

对所述停车监控图像数据集中图像进行数据预处理；

对数据预处理后的停车监控图像数据集中停车监控图像进行数据增强；

构建基于YOLOX算法的违章停车检测网络，所述违章停车检测网络包括改进后的Res2Net50网络、FPN网络和改进后的Prediction层，所述改进后的Res2Net50网络为主干网络，所述改进后的Res2Net50网络采用ALReLU激活函数，所述改进后的Res2Net50网络的输出连接所述FPN网络的输入，所述改进后的Prediction层的激活函数采用SAU激活函数；

采用所述数据增强后的停车监控图像数据集训练所述违章停车检测网络，获得违章停车检测模型；

采用所述违章停车检测模型对待检测停车监控图像进行违章检测。

可选地，所述对所述停车监控图像数据集中图像进行数据预处理，具体包括：

将所述停车监控图像数据集中图像进行分辨率统一化处理。

可选地，所述对数据预处理后的停车监控图像数据集中停车监控图像进行数据增强，具体包括：

采用Mosaic、MixUp、RandomErasing、HideAndSeek和GridMask的数据增强方式对数据预处理后的停车监控图像数据集中停车监控图像进行数据增强。

可选地，所述采用所述数据增强后的停车监控图像数据集训练所述违章停车检测网络，获得违章停车检测模型，具体包括：

采用所述数据增强后的停车监控图像数据集，以在停车监控图像中标注违章停车车辆的位置作为标签训练所述违章停车检测网络，获得违章停车检测模型。

本发明公开了一种基于YOLOX算法的违章停车检测系统，包括：

数据集获取模块，用于获取停车监控图像数据集；

数据预处理模块，用于对所述停车监控图像数据集中图像进行数据预处理；